论文部分内容阅读
视频分析(Video Analytics,VA)就是将视频数据语义化,从中提取所感兴趣的内容。当今,各种新兴的物联网应用,如虚拟现实、增强现实、自动驾驶、认知辅助等,都是以视频分析为基础支撑。摄像机可以看做是机器对人眼的仿生。因此,通过对摄像机采集到的视频数据进行分析,能够再现与人类视觉有关的各种行为,典型的行为便是位置信息感知。伴随计算机视觉和图像处理学科的蓬勃发展,基于视频分析的定位技术展现出了良好的发展前景。随着摄像传感设备的高清化和数量巨增,视频数据量呈井喷式增长。传统云计算需要将视频数据统一上传,进行集中处理。这种方式给核心网带来了巨大的流量压力,已经无法满足视频分析对于实时性、网络服务质量等的需求。边缘计算(Edge Computing,EC)是一种在网络的边缘侧就近为用户提供计算、网络和存储资源的计算架构,可以有效提升时延敏感型业务的用户体验,为视频分析提供了必要的支持。本文利用容器提供的轻量级虚拟化技术,将视频分析任务迁移到网络边缘侧,提出了基于边缘计算的视频分析方案;设计并实现了基于视频分析的定位应用系统。主要工作如下:(1)调研了视频分析与边缘计算的相关研究。通过对视频分析的需求进行研究,将边缘计算技术应用到视频分析,提出了基于边缘计算的视频分析方案。并利用容器技术提供的轻量级虚拟化(Lightweight Virtualization,LV),将视频分析任务灵活地迁移到边缘计算节点。同时,考虑到不同的视频分析任务往往具有部分相同的处理过程,按照功能将视频分析任务进行切分,提出了视频分析模块化处理模型。(2)针对室内定位的“瓶颈”,设计了基于视频分析的定位策略,包括相机标定策略与目标特征点选择策略。对于相机标定,提出了一种基于规则瓷砖的角点提取算法,来简化标定过程。然后,将所提出的基于边缘计算的视频分析方案应用于室内定位,设计了一个定位应用系统。以定位策略为支撑,该系统将相机成像、相机标定、人脸识别等视频分析技术相结合,借助室内场景中所铺设的规则瓷砖提供的辅助信息,不依赖于第三方测距工具建立图像与真实场景的一一映射关系,从而完成定位。(3)实现基于视频分析的定位应用系统,包括摄像节点标定、流媒体服务配置、视频分析模块构建和Web服务。系统的Web服务集成了视频流管理、视频流观看和定位功能。然后对系统的网络服务质量、扩展迁移性能及定位精度进行了评估。实验表明,所提出的定位方案具有较好的定位精度,同时也证实了将边缘计算与轻量级虚拟化技术应用于视频分析的优越性。